Fokus und Hintergrund in erwachsener KI-Figurenkunst: Notizen zur Schärfentiefe

Die meisten schreiben einen Figuren-Prompt, bekommen ein Bild zurück und merken dann, dass der Hintergrund entweder ein verschmiertes Nichts oder ein lauter Raum ist, der den Blick vom Gesicht wegzieht. Beides sind Fokusprobleme, und beides löst sich meistens mit einem einzigen Satz. Das hier sind Labornotizen: Jede ist ein Paar aus der Zeile vorher, der Zeile nachher und dem, was sich ändern sollte. Sie beschreiben Tendenzen von Bildmodellen, keine Messwerte, und jeder einzelne Render kann sie ignorieren. Lies jedes Paar also als Wette und mach ein paar Entwürfe, bevor du dich festlegst. Alles hier betrifft erwachsene, erfundene Figuren, die du dir selbst ausgedacht hast.

Vor dem ersten Paar

Drei Wörter werden lose benutzt, also legen wir sie fest. Fokus ist, welcher Teil des Bildes scharf ist. Schärfentiefe ist, wie viel der Szene um diesen Punkt scharf bleibt: flach ist eine dünne Scheibe, tief ist fast der ganze Raum. Trennung ist, ob sich die Figur von dem abhebt, was hinter ihr liegt, und Unschärfe ist nur ein Weg dorthin. Ein Text-zu-Bild-Modell hat keinen Blendenring und keinen Fokuspunkt, den man setzen könnte; es hat deinen Satz. Jede Notiz unten ist eine Art, diesen Satz so zu schreiben, dass die Absicht ankommt. Plane zuerst das Licht, wie der Lichtbeitrag es tut, und wähle den Raum mit dem Szenenbeitrag; dieser hier handelt davon, was mit dem Raum passiert, sobald er hinter der Person liegt.

Notiz 1: Sag, was scharf ist

Vorher: „eine Frau in einem grünen Kleid in einem vollen Café, geringe Schärfentiefe“. Nachher: „eine Frau um die dreißig in einem grünen Kleid, ihre Augen in scharfem Fokus, das Café hinter ihr in weichem, warmem Licht aufgelöst“. Was sich ändert: Die erste Zeile sagt, dass etwas weich sein soll, aber nicht, wo die Schärfe liegt, sodass die scharfe Ebene auf einem Stuhl oder einer Tasse landen kann. Die zweite nennt das Scharfe und das Weiche. Soll das Gesicht gewinnen, nenne die Augen; soll eine Hand oder ein Glas gewinnen, nenne das, dann wird stattdessen das Gesicht weich (Hände und Gesten nutzt das mit Absicht).

Notiz 2: Erst die Figur, dann der Raum

Vorher: ein langer Satz, der ein Bücherregal, eine Lampe, eine Pflanze, einen Plattenspieler, ein Fenster und eine Katze aufzählt, mit der Frau und ihrem Outfit ganz am Ende. Nachher: zuerst die Frau und das Outfit, dann „hinter ihr ein Bücherregal und eine Lampe, beide unscharf“. Was sich ändert: Der Raum konkurriert nicht mehr mit ihr um die Aufmerksamkeit des Modells, und zwei genannte Dinge geben der Unschärfe viel weniger Details zu lösen als sechs. Wie viel Raum man schreibt, klärt der Szenenbeitrag; diese Notiz betrifft nur die Reihenfolge, und sie hilft eher, als dass sie etwas garantiert.

Notiz 3: Objektivwörter sind Geschmack, kein Regler

Vorher: „f/1.4“ ans Ende eines Prompts gehängt. Nachher: „85-mm-Porträtobjektiv, große Blende, der Hintergrund zerfließt zu weichen runden Lichtern“. Was sich ändert: Eine Zahl ist die Einstellung eines Fotografen, und ein Modell hat nichts zu drehen; bestenfalls erkennt es den Look, den diese Zahl begleitet. Das Objektiv und die Wirkung der Unschärfe auf die Lichter zu beschreiben, gibt ihm etwas zu zeichnen. Wie stark der Effekt ausfällt, schwankt weiter zwischen Modellfamilien und zwischen Renders. Nenne ein Objektiv, nicht drei, wie es der Beitrag zu Posen und Kamerawinkeln rät.

Notiz 4: Trennung ohne Unschärfe

Vorher: eine dunkelhaarige Frau in dunkler Jacke vor einer dunklen Wand, alles scharf, „düster“. Nachher: dasselbe, dazu „ein feiner warmer Lichtrand entlang ihrer Haare, die Wand ein mattes Blau, ein paar Stufen dunkler als ihre Jacke“. Was sich ändert: Im ersten Bild hebt nichts sie von der Wand ab, und keine Unschärfe hilft, wenn sie und die Wand denselben Ton haben. Trennung ist hell gegen dunkel, warm gegen kühl oder scharf gegen weich, und mindestens eines der drei braucht es. Randlicht und Gegenlicht stehen im Lichtbeitrag, und Farbpaare, die eine Figur von ihrer Wand lösen, in Farbpaletten.

Notiz 5: Wenn der Hintergrund das Bild stiehlt

Ein Hintergrund stiehlt das Bild, wenn er etwas enthält, das das Auge schneller liest als ein Gesicht: ein helles Fenster direkt hinter ihrem Kopf, ein Muster aus Streifen oder Kacheln, ein Regal voller Kleinkram, ein zweites Gesicht auf einem Poster, ein Spiegel mit einem anderen Raum. Vorher: „steht vor einem großen hellen Fenster, die Stadt hinter ihr, rechts Bücherregale“. Nachher: „steht neben einem Fenster, dessen Licht von der Seite auf sie fällt, die Wand hinter ihr schlicht und dunkel, eine Lampe sanft unscharf“. Was sich ändert: Das Fenster wechselt vom Hintergrund zur Lichtquelle, was die bessere Aufgabe für es ist, und das volle Regal ist weg. Setzen Renders hartnäckig ein grelles Fenster hinter den Kopf, bitte um es an ihrer Seite und um eine Wand, die schlicht, dunkel und kontrastarm ist. Ein Spiegel ist der stärkste Konkurrent von allen und hat einen eigenen Beitrag: Spiegel- und Reflexionsbilder.

Notiz 6: Wenn der Raum der Punkt ist

Unschärfe ist nicht immer die Antwort. Vorher: „eine Frau liest in einer alten Bibliothek, 85 mm, geringe Schärfentiefe“. Nachher: „eine Frau liest in einer alten Bibliothek, 35 mm, Umgebungsporträt, die Regale scharf bis nach hinten, sie klein im Bild“. Was sich ändert: Eine Porträtobjektiv-Wendung löst genau den Raum auf, um den es im Bild geht, während eine Weitwinkel-Wendung samt der Anweisung, die Regale scharf zu halten, ihn bewahrt. Dann muss sie als klare Form lesbar sein statt als Gesicht, also sag, wo sie sitzt, und lass das Licht auf sie fallen.

Notiz 7: Der Bildausschnitt bestimmt, wie viel Raum du bekommst

Wie viel Hintergrund es gibt, hängt vom Format ab, noch bevor du ein Fokuswort tippst. Ein hohes Format wie 2:3, 4:5 oder 9:16 lässt an den Seiten wenig Platz, und ein Unschärfesatz genügt oft. Ein breites Format wie 16:9 lädt den ganzen Raum ein, und der Raum will gezähmt werden. Der Leitfaden zu Seitenverhältnissen listet die Formate. Zwei Fakten aus dem Studio: Hängst du Referenzbilder an, folgt der automatische Bildausschnitt der ersten Referenz, also setze die mit dem gewünschten Zuschnitt an die erste Stelle; und die günstigste Bildfamilie hat gar keine Wahl des Seitenverhältnisses, ein Ausschnitt, der dir wichtig ist, heißt also eine andere Familie. Öffne Fellowi Images, und die Auswahl zeigt, was jede Familie annimmt.

Notiz 8: Die Unschärfe über eine Serie halten

Vorher: fünf Prompts, die das Café jeweils mit anderen Worten beschreiben. Nachher: ein Hintergrundsatz mit „sanft unscharf“ darin, unverändert in alle fünf kopiert. Was sich ändert: Ein weicher Hintergrund verbirgt tendenziell kleine Abweichungen, eine andere Lampe oder ein verschobenes Regal, die ein scharfer Raum sofort verraten würde, sodass die Serie wie ein einziger Ort wirkt. Referenzbilder halten die Person von Bild zu Bild, und die günstigste Familie nimmt keine an; den Raum halten nur die Worte, die du einfügst, und er driftet trotzdem gelegentlich. Eine Figur konsistent halten beschreibt die Methode. Wenn du später ein Lieblingsbild in Fellowi Video animierst, beginne mit einem Bild, dessen Hintergrund schon schlicht ist.

Die Grenzen, die sich nicht bewegen

Jede Figur hier ist erwachsen und wird als erwachsen gezeichnet. Wörter, die eine Figur minderjährig wirken lassen, und jedes angegebene Alter unter der Volljährigkeit werden abgelehnt, bevor eine einzige Münze bewegt wird, und Minderjährige, Age-Play und fehlende Einwilligung werden bei jeder Formulierung abgelehnt. Die Nutzungsbedingungen verbieten außerdem sexuelle oder intime Bilder einer realen, identifizierbaren Person, daher gehört das Gesicht einer echten Person nicht in eine Referenz, egal wie der Hintergrund aussieht. Eine unscharfe Umgebung ist eine Kompositionsentscheidung, nie ein Weg, eine Szene schwerer beurteilbar zu machen. Was legal ist und was nicht zeigt das ganze Bild.

Was es nicht kann

Es kann dir keine Blende geben: Es gibt keinen Fokuspunkt zum Setzen und keine Blendenzahl zum Drehen, nur Wörter, die anstupsen. Es kann die Unschärfe nicht versprechen, auch nicht, dass die scharfe Ebene auf den Augen landet; manchmal ist das Ohr scharf und das Auge weich, und du machst einen neuen Entwurf. Es kann den Hintergrund nachträglich nicht ändern: Das Studio hat keine Maske und keinen Pinsel, und eine Bearbeitung mit dem Bild als Referenz zeichnet das ganze Bild neu, sodass sich das Gesicht verschieben kann, während der Raum besser wird. Eine fehlgeschlagene Generierung wird erstattet; ein fertiges Bild, in dem das Falsche scharf ist, nicht, also mach zuerst günstige Entwürfe, wie erst entwerfen, dann ausgeben es beschreibt, und was jeder Render kostet, steht auf der Produktseite. Manchmal ist die älteste Lösung die beste: wähle einen engeren Ausschnitt, bis der Hintergrund nichts mehr zu sagen hat.